机器学习、深度学习和数据预处理技术在压力和与压力相关的心理障碍的检测、预测和监测中的应用：一项范围回顾
摘要：机器学习在心理压力及其相关心理障碍（MDs）的检测、预测和分析中的方法进行了全面的评估。通过严格的范围性回顾过程，研究探讨了在压力和压力相关心理障碍背景下应用的最新机器学习算法、预处理技术和数据类型。研究结果表明，支持向量机（SVM）、神经网络（NN）和随机森林（RF）模型在所有研究的机器学习算法中持续展现出优越的准确性和稳健性。此外，回顾强调生理参数，如心率和皮肤反应的测量，广泛应用于机器学习算法中作为压力预测因子。这是因为这些参数提供了关于压力和压力相关心理障碍的丰富解释信息，并且数据获取相对容易。此外，在训练机器学习算法之前，频繁观察到应用降维技术，包括映射、特征选择、过滤和降噪等关键步骤。此回顾综合分析确定了领域中的重要研究空白，并概述了未来的研究方向。其中包括模型可解释性、模型个性化、自然环境的融入以及用于压力和压力相关心理障碍检测和预测的实时处理能力。
作者：Moein Razavi, Samira Ziyadidegan, Reza Jahromi, Saber Kazeminasab, Vahid Janfaza, Ahmadreza Mahmoudzadeh, Elaheh Baharlouei, Farzan Sasangohar
论文ID：2308.04616
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-10